引导式测验 · 中等 等级

领域适应测验

测试源和目标转移、反向域梯度、目标标签稀缺性、无源方法和单独的分类器目标。

相关引导路径领域适应
问题 1 的 8

领域适应主要是为了解决什么问题？

预览每个问题8 问题

当您参加测验时，就会出现答案和解释。

  1. 领域适应主要是为了解决什么问题？
    • 减少模型参数的数量
    • 加速 GPU 上的矩阵乘法
    • 当测试数据与训练数据不同时性能下降
    • 自动生成综合训练标签
  2. 在域对抗网络中，梯度反转层的作用是什么？
    • 它推动特征提取器使源和目标无法区分
    • 它在推理过程中删除域分类器
    • 它将学习率加倍以加快训练速度
    • 它将回归输出转换为分类标签
  3. 是什么让“无监督”领域适应特别有用？
    • 根本不需要模型训练
    • 它仅适用于图像数据
    • 它消除了对源域的需要
    • 它不需要目标域中的标记数据
  4. 哪种场景是域转移的典型示例？
    • 在完全相同的数据集上训练和测试的模型
    • 在一台扫描仪上训练的肿瘤分类器在另一台扫描仪上失败
    • 量化后运行速度更快的模型
    • 一个网络比另一个网络有更多层
  5. “无源”域适应方法旨在避免什么？
    • 在适应过程中访问原始源训练数据
    • 使用任何神经网络架构
    • 产生任何输出预测
    • 在现代 GPU 上运行
  6. A team starts adaptation from a broadly pretrained model. What should it still measure?
    • Only the parameter count
    • Only source training accuracy
    • Performance on the actual target data and task
    • Whether target evaluation can be skipped
  7. Which DANN head supplies the objective to distinguish source examples from target examples?
    • The task label vocabulary
    • The domain classifier
    • The optimizer checkpoint file
    • A fixed output embedding dimension
  8. Does gradient reversal mean changing a positive class label into a negative class label?
    • Yes; every task label is negated
    • Yes; all target samples are relabeled as source
    • No; it freezes every feature weight
    • No; it reverses the domain gradient into the feature extractor